Buscar

O nome de Sinapse Hebbiana, que pode ser definida como uma sinapse que se vale de um mecanismo local, dependente do tempo e altamente interativo, q...

O nome de Sinapse Hebbiana, que pode ser definida como uma sinapse que se vale de um mecanismo local, dependente do tempo e altamente interativo, que aumenta a eficiência sináptica em função da correlação entre as atividades pré-sináptica e pós-sináptica (HAYKIN, 2005). Quatro propriedades podem ser deduzidas a partir dessa definição (HAYKIN, 2005): mecanismo dependente do tempo – as modificações na Sinapse Hebbiana dependem do momento exato em que os sinais pré-sináptico e pós-sináptico ocorrem; mecanismo local – O processo ocorre em função da proximidade entre dois neurônios, o que demanda que sejam contíguos um ao outro. Cada sinapse terá um mecanismo semelhante, sempre localizado na conexão de dois neurônios e não regulado por nenhum mecanismo central; mecanismo interativo – uma mudança só ocorre se houver sinais em ambos os lados da sinapse. Em outras palavras, a mudança só ocorrerá em função da interação de dois neurônios; mecanismo conjuncional – uma mudança depende da conjunção de duas condições, isto é, da ocorrência síncrona ou assíncrona de sinais em ambos os lados da sinapse. Com o objetivo de compreender o modelo matemático do Aprendizado Hebbiano, tomemos a sinapse entre dois neurônios, j e k . Vamos considerar wkj como o peso da conexão do lado do neurônio k . Os sinais pré-sináptico (no neurônio j ) e pós-sináptico (no neurônio k ) são denotados respectivamente por xj e yk. A mudança provocada no peso wkj em um momento n tem a seguinte forma (HAYKIN, 2005): Podemos ler a fórmula acima assim: a variação no peso sináptico do lado do neurônio k , em um determinado momento n , é dado por uma função F , que correlaciona os sinais pré-sinápticos xj e yk no mesmo momento n . Em sua forma mais simples, o Aprendizado Hebbiano assume a forma: Ou seja, a variação e peso (que correspondem ao aprendizado) são o produto de xj (n) por yk (n) por uma constante de aprendizado h .

Essa pergunta também está no material:

23-Inteligência Artificial
252 pág.

Inteligência Artificial Pítagoras AmpliPítagoras Ampli

💡 1 Resposta

User badge image

Ed Verified user icon

A sinapse Hebbiana é um tipo de sinapse que se baseia em um mecanismo local, dependente do tempo e altamente interativo, que aumenta a eficiência sináptica em função da correlação entre as atividades pré-sináptica e pós-sináptica. As quatro propriedades deduzidas a partir dessa definição são: mecanismo dependente do tempo, mecanismo local, mecanismo interativo e mecanismo conjuncional. O modelo matemático do Aprendizado Hebbiano pode ser representado pela fórmula: Δwkj = h * xj * yk, onde Δwkj é a variação no peso sináptico do lado do neurônio k em um determinado momento n, h é a constante de aprendizado, xj(n) é o sinal pré-sináptico no neurônio j no momento n, e yk(n) é o sinal pós-sináptico no neurônio k no momento n.

0
Dislike0

✏️ Responder

SetasNegritoItálicoSublinhadoTachadoCitaçãoCódigoLista numeradaLista com marcadoresSubscritoSobrescritoDiminuir recuoAumentar recuoCor da fonteCor de fundoAlinhamentoLimparInserir linkImagemFórmula

Para escrever sua resposta aqui, entre ou crie uma conta

User badge image

Outros materiais